作為產品運營的常用模型，RFM模型在運營過程中會經常使用。那如果是用在傳統(tǒng)模式下，會不會產生一些更奇特的效果？這篇文章，我們看看作者的分享。

在運用運營過程中，RFM模型的重要地位不言而喻。理論上，我們可以針對R\F\M對人群實現(xiàn)8大類分層，按照不同人群分層制定不同運營策略。

在存量時代，通過價格歧視（經濟學中價格歧視是中性詞，非貶義）獲得最大化消費者剩余，提升ROI，已經成為運營者的核心目標之一。

一、RFM模型的定義

RFM是運營場景中常用的用戶分層模型，是衡量客戶價值和客戶創(chuàng)造利益能力的重要工具。通過客戶在一定時間（Recency）范圍內的近期購買行為、購買頻率（Frequency）和購買總金額（Monetary）全方位描述目標用戶的價值狀況。

同時，R、F、M分別與用戶粘性、用戶忠誠、用戶購買力強對應。如果三者的值越大，更能說明用戶在粘性、忠誠、購買力三個方面貢獻度越高。

二、常用的RFM模型統(tǒng)計方法

①均值法

②區(qū)間法

以上兩種方法，可以按照行業(yè)的屬性使用。例如黃金珠寶等低頻高客單行業(yè)，可以適用于均值法；而餐飲、茶飲等高頻低客單行業(yè)，更加適用于區(qū)間法。

三、基于RFM模型的人群分層

在人群分層的過程中，也要注意和會員標簽的結合。在實踐案例中，僅把RFM用于單兵作戰(zhàn)是低效甚至無效的，畢竟刻畫的用戶數據只是浮于淺層。

完成RFM圈層之后，如果想要對高RFM的人群提供定制化服務，我們就必須明確他們詳細的會員標簽，通過標簽進一步的對人群進行組合分群。比如他們的基本屬性（性別、年齡、LBS等），口味偏好（喜好菜品、特定菜品、甜、辣等），行為偏好（堂食、打包等）。

四、RFM在餐飲行業(yè)的具體應用

背景：存量會員的喚醒召回

策略：會員標簽>>組合分群>>人群運營>>數據追蹤>>迭代優(yōu)化

B端究竟需要什么样的产品经理？

B端产品经理都是以提升供应侧的工作效率为目的，所以B端需求主要是以业务问题为导向。 这个是B端产品比较重要的一点，B端产品是服务于一个主体 ...

查看详情 >

①會員標簽：基本屬性、消費喜好、客戶來源、歷史消費、近期消費、累計資產等，形成用戶分層的基礎

②組合分群：基于會員標簽和RFM模型，進行人群分層聚類。

③人群運營：針對不同的聚類人群，提供差異化的定價（通過優(yōu)惠、折扣、滿贈等方式實現(xiàn)）、差異化的產品或者服務。兩者目的都是為了更好的滿足消費者需求。最后通過有效的渠道觸達用戶。

④數據追蹤：活動全程中注意數據情況匯總，做好應急預案準備，如果發(fā)現(xiàn)某個人群的活動數據偏離歷史平均值較大，則需要優(yōu)先查看人群的聚類是否正確，在查看近期1-3個月這部分人群的行為數據是否有變動，最后在確認是否要調整利益抓手重新觸達。

（桑吉圖可以很好的看出過程中用戶狀態(tài)的流轉）

⑤迭代優(yōu)化：活動結束后，數據復盤尤為重要，需要將結果反哺到RFM模型中，不斷迭代優(yōu)化

實際效果復盤：復購用戶提升7%，沉睡用戶下降17%，增加1.5萬消費用戶，實際帶來147萬銷售額。

如果你覺得以上運營方案有進一步提升的空間，可以根據數據繼續(xù)分析，比如餐飲行業(yè)是有時間周期的，工作日工作餐和周末聚餐是有明顯的區(qū)別，在這種情況下，如果把時間維度結合到RFM模型中從而最大化消費者消費？這個話題就留給各位同學們自己思考了！

五、RFM模型的經濟學理論基礎

①三級價格歧視（經濟學原理中歧視是個中性詞，不含貶義）

首先，價格歧視是指生產者將相同生產成本的相同產品，以不同價格售予不同買家。而三級價格歧視是企業(yè)將其顧客劃分為兩種或兩種以上的類別，對每類顧客索取不同的價格。

在RFM模型中，我們通過對8類不同人群的分層，提供了不同優(yōu)惠力度的手段，意味著不同聚類人群最終消費的金額是不一樣的

②消費者剩余

價格歧視的目的是為了獲取消費者剩余，每個人對產品愿意支付的意愿是不一樣的。同樣一杯奶茶，A愿意付費10元，B愿意付費8元，C僅愿意付款7元，所以在產品定價事，品牌只能定價到7元。所以A得消費者剩余3元，B消費者剩余1元，品牌方是獲取不到的。要做到完全價格歧視是非常有難度的，但是在信息不對稱的情況下，通過RFM模型對用戶做分層，可以做到三級價格歧視，這時候就可以獲取每個聚類人群的最高消費者剩余。

除了RFM模型，很多人群分類的模型底層經濟學理論基礎都是價格歧視和消費者剩余。目標都是為了獲得最大利潤。

六、總結

RFM模型的核心是用戶分層，用戶分層的核心是獲取不同聚類人群的最大化消費者剩余。要做好RFM模型，需要用戶的底層數據規(guī)范且有完善的會員標簽體系，智能化觸達體系做支撐，需要運營、數據的深度合作。